arXiv · ML· Danilo Vucetic, Alexandre Larouche, Mohammad Pedramfar, Audrey Durand, Gauthier Gidel·· 5 小时前AI 评分26
正则化 RL 估计中的推荐者遗憾与 MCTS 改进
Recommender regret for improving regularised RL estimation with bandits and MCTS
AI 导读
该研究将正则化强化学习中的带基采样形式化为推荐过程，定义了正则化感知的推荐者遗憾（regulariser-aware recommender regrets）并证明均匀采样可达到其理论下界。 研究在合成树、街机游戏及科学发现任务中验证，该框架能统一带基与搜索目标改进，实现更快的目标收敛和更优下游性能。 这是首次在科学应用中表征正则化 MCTS 的潜力。
来源：arXiv · ML · arxiv.org